范明炜，张云华

（浙江理工大学 信息学院，杭州 310018）

0 引 言

随着互联网的飞速发展，评论、朋友圈等信息传播中产生了大量的短文本，短文本分类任务已经成为自然语言处理领域的重要研究热点之一。

文本中单词往往有多层意思，虽然利用外部知识对文本进行特征扩展，丰富语义关系，在消除文本稀疏性和歧义性有较好的效果，但忽略了单词的位置不同对结果的影响。Google提出BERT模型，采用MLM对双向的Transformers进行预训练，以生成深层的双向语言表征，但并没有体现出每个词语对整个文本的重要程度。针对短文本分类，传统的机器学习算法，如决策树模型、空间向量模型和支持向量机模型等，主要解决词汇层面的匹配问题，在分类短文本时忽略了词与词之间潜在的语义相关性，导致向量空间稀疏，处理高维数据和泛化能力有所欠缺。

近年来，深度学习在计算机视觉，自然语言处理等领域获得了不错的效果。因此，基于深度学习的短文本分类算法开始受到关注。例如，卷积神经网络（CNN）、Liu等人提出的循环神经网络（RNN）以及注意力机制等。基于CNN的方法虽然可以捕捉局部特征，但忽略了单词之间的顺序和关系，容易丢失之前的信息。而RNN是包含循环的网络，允许信息的持久化，但当相关信息和当前预测位置之间的间隔不断增大时，RNN会丧失学习间隔信息的能力。LSTM是RNN的一种特殊类型，可以学习长期依赖信息，但由于网络一次只读取解析输入文本中的一个单词或字符，必须等前一个单词处理完才能处理下一个单词，因此无法大规模并行处理，导致效率不高。Bai等人针对此问题提出时序卷积网络（TCN），经过与多种RNN结构对比，在很多任务上TCN都能达到甚至超过RNN，并且更加高效。

为了提高基于深度学习的短文本分类的有效性和效率，本文提出了基于CNN与TCN相结合，并加入权重优化与注意力机制的短文本分类模型。通过TF－IDF计算词的权重，使用Probase丰富语义知识，将词和概念通过BERT－Base转换词向量，并将词向量与词语权重相乘，将得到优化后的词向量作为输入层。运用TCN与CNN结合注意力，更加高效且准确的获取最终特征表达。

1 相关知识

1.1 卷积网络（TCN）

TCN是一种将获取编码时空信息的CNN和获取时间信息的RNN，用一种统一的方法，以层次的方式捕获两个级别所有的信息。因果卷积上一层时刻的值只对下一层之前的值有依赖，是严格时间约束模型。卷积核大小会限制因果卷积对时间的长度，膨胀卷积可以获得更长的历史信息，其允许卷积时的输入存在间隔，用较少的层获得更大的感受野。如图1所示，本文选择在TCN中加入一个残差块替换一层卷积，使网络可以更好的通过跨层来传递信息。

图1 时间卷积网络Fig.1 TCN architecture

1.2 Probase

一个词语可以具有多重意思，如苹果可以指水果，也是一家公司的名称。为了使机器更好理解人类的语言，有学者提出了概念图谱。Probase可以将短文本进行概念化，其包含了大量如图2所示的is－A关系，可以很好的解决短文本的稀疏性和歧义性问题。

图2 知识图谱Fig.2 CN－Probase

1.3 BERT［14］

BERT模型通过MLM 对双向Transformers进行预训练，生成双向语言表征，结构如图3所示。通过字向量、文本向量和位置向量，将3部分的和作为输入层，则可以得到融合了语义信息的表示向量。

图3 基于Transformers的双向编码器Fig.3 Bilateral encoder based on transformer

2 模型构建

图4展示了模型的整体设计，通过CN－Probase获取短文本概念层，使用BERT模型将短文本和概念层转换为向量矩阵（矩阵大小为单词数乘词向量维度），利用计算每个词的权重，并与向量矩阵相结合，得到赋予权重矫正的新矩阵。使用CNN对新矩阵次卷积，得到个不同阶段的矩阵，以便提取不同的上下文特征表示。将这个矩阵运用TCN和注意力获得特征表示，而后拼接向量进入全连接层，经过分类器输入结果。

图4 模型整体设计Fig.4 Overall design of the model

2.1 带权重的输入层

2.1.1 文本预处理

由于短文本中含有标点符号和字符等干扰项，因此在处理前需要进行数据清洗。本文使用Jieba分词中的全模式，能够快速获取短文本中所有可以成词的词语，并利用四川大学机器智能实验室停用词库去除无用的词和特殊符号。

2.1.2 CN－Probase扩展

简单依靠分词和停用词并不能很好地消除短文本中的歧义性，因此本文通过CN－Probase对分词进行转换，获取到相对应的概念层，可以很好地消除歧义性和稀疏性。

2.1.3 优化的BERT获取词向量

字词的重要性与其在文本中出现的次数成正比，但和文本库中出现的频率成反比。利用计算出每个单词的权重。计算公式为：

其中，是词频，由总文件数目除以包含该词语文件的数目，再将得到的商取以10为底的对数得到。

输入向量包含的信息直接决定了后面提取特征能够获得的上限，因此本文采用BERT－LARGE模型。该模型有24个网络层数、1 024个隐藏维度和16个注意力头。BERT的向量化过程如图5所示。

图5 BERT文本向量化Fig.5 BERT text vectorization

将向量化后的文本矩阵与对应词的相乘得到新的词向量矩阵，即为带权重的输入层。同理，将概念层做相同处理得到概念矩阵。

2.2 基于注意力机制的TCN

输入层使用CNN对获取的信息进行特征提取，为了更加深层次挖掘词语和概念的局部语义特征，使用多个层次的卷积层进行特征提取。TCN能够捕获较长的上下文信息，但由于因果卷积的单向性不适合此类任务，因此使用膨胀卷积对和运算，同时加入残差链接，使网络可以更加有效地跨层传递信息，得到。为了减少错误词语和概念造成的坏影响，通过注意力机制可以达到该效果。如图6所示，将不同阶段获取到的特征向量（）和（）拼接，得到最终的特征表达。

图6 注意力机制Fig.6 Attention mechanism

2.3 输出层

为了充分利用上述处理得到的短文本中词和概念结合的特征表示，采用线性函数训练模型，公式如下：

其中，是所有类别的可能性分布；是权重；是偏移量。使用交叉熵训练Loss。

3 实验与分析

3.1 数据集与参数设置

为了验证模型的有效性，本文使用了今日头条新闻文本分类数据集。其包含了382 688条数据，并划分为15个类别。将这些数据中的新闻标题提取出来，通过十折交叉验证。参数设置见表1：

表1 参数设置表Tab.1 Parameter set

3.2 模型对比

通过在相同数据集与其它模型进行对比，验证本文模型的有效性，主要采用值和值进行评估。对 比 模 型 包 括 BERT、LSTM、CNN、Transformer、Seq2seq_Att等。不同模型在数据集的结果见表2。

表2 不同模型在数据集的结果Tab.2 Results of different models on the dataset

从实验结果来看，本文方法相比于基本的深度学习模型，准确率和值都有所提高。其主要原因是模型通过外部预料丰富的短文本的语义信息；其次对于BERT的权重更改以及多阶段卷积和注意力机制的引入，也使得结果变得更加精确。

4 结束语

针对短文本分类问题，本文提出了利用外部知识丰富短文本语义，优化的BERT向量，以及在多阶段卷积中获取不同阶段的特征，利用加入了残差链接的TCN和注意力机制，使得模型拥有更加全面的特征获取的能力。从实验结果来看，本文提出的模型能有效提高短文本分类的效果。